TensorFlow和keras中GPU的使用示例

這篇文章給大家分享的是有關TensorFlow和keras中GPU的使用示例的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

1. 訓練運行時候指定GPU

運行時候加一行代碼：

CUDA_VISIBLE_DEVICES=1 python train.py

2. 運行過程中按需或者定量分配GPU

tensorflow直接在開啟Session時候加幾行代碼就行，而Keras指定GPU，并限制按需用量和TensorFlow不太一樣，因為keras訓練是封裝好的，不好對Session操作。如下是兩種對應的操作。

keras中的操作：

import os
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
 
# 指定第一塊GPU可用 
os.environ["CUDA_VISIBLE_DEVICES"] = "0" #指定GPU的第二種方法
 
config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC' #A "Best-fit with coalescing" algorithm, simplified from a version of dlmalloc.
config.gpu_options.per_process_gpu_memory_fraction = 0.3 #定量
config.gpu_options.allow_growth = True  #按需
set_session(tf.Session(config=config))

TensorFlow中的操作：

#指定GPU
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
 
#設置GPU定量分配
config = tf.ConfigProto() 
config.gpu_options.per_process_gpu_memory_fraction = 0.9 # 占用GPU90%的顯存 
session = tf.Session(config=config)
 
#設置GPU按需分配
config = tf.ConfigProto() 
config.gpu_options.allow_growth = True 
session = tf.Session(config=config)

補充：Keras以及Tensorflow強制使用CPU，GPU

Keras如果是使用Theano后端的話，應該是自動不使用ＧＰＵ只是用ＣＰＵ的，啟動ＧＰＵ使用Theano內部命令即可。

對于Tensorflow后端的Keras以及Tensorflow會自動使用可見的ＧＰＵ，而我需要其必須只運行在ＣＰＵ上。網上查到三種方法，最后一種方法對我有用，但也對三種都做如下記錄：

使用tensorflow的 with tf.device('/cpu:0'):函數。簡單操作就是把所有命令都放在前面所述的域里面。

使用tensorflow聲明Session時的參數： 關于tensorflow中Session中的部分參數設置，以及Keras如何設置其調用的Tensorflow的Session，可以參見Keras設定GPU使用內存大小(Tensorflow backend)。

對于Tensorflow，聲明Session的時候加入device_count={'gpu':0}即可，代碼如下：

import tensorflow as tf  
sess = tf.Session(config=tf.ConfigProto(device_count={'gpu':0}))

對于Keras,則調用后端函數，設置其使用如上定義的Session即可，代碼如下：

import tensorflow as tf
import keras.backend.tensorflow_backend as KTF 
KTF.set_session(tf.Session(config=tf.ConfigProto(device_count={'gpu':0})))

對于多線程以及ＧＰＵ內存設置等可以參見Keras設定GPU使用內存大小(Tensorflow backend)。

3、第三種是使用CUDA_VISIBLE_DEVICES命令行參數，代碼如下：

CUDA_VISIBLE_DEVICES="0" python3 train.py

感謝各位的閱讀！關于“TensorFlow和keras中GPU的使用示例”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！